用 java 处理存储在 text、csv 等文本中的数据时，经常要借助一些工具来实现。

把文本导入数据库再使用 SQL 处理是一种选择，不过这种方式过重，数据库安装、管理、导入数据过于繁琐，时效性很差。折中的方案是使用 SQLite 这样的可嵌入数据库，这样不仅可以与 java 有效结合，还能借助 SQL 进行计算。但 SQLite 的缺点也很明显，数据导入非常复杂，处理大文本（big text）有点吃力，仍然要维护数据库的问题仍然存在。

还可以使用文件 SQL 引擎，如 CSVJDBC/XLSJDBC/CDATA Excel JDBC/xlSQL，以文本为物理表，向上提供 JDBC 接口。由于直接是 java 类库，因此集成非常方便，还可以使用 SQL 查询。不过，由于只支持有限的几种基本计算（条件查询、排序、分组汇总）使得这类工具使用场景非常受限。

另外一种选择是 dataFrame 类函数库，不再依赖 SQL 能力，一般会提供类似 dataFrame 的通用数据对象，提供函数式的计算接口。此类工具数量较多，如 Tablesaw/ Joinery/ Morpheus/ Datavec/ Paleo/ Guava。这类工具与 java 可以无缝集成，一般的计算实现与 SQL 相当，但关联（JOIN）运算要复杂得多，虽然有 lambda 语法的加持，但仍然不够简单。

如果要全场景覆盖，使用专业的结构化计算语言可能是唯一选择。可选择的包括 Scala、esProc 和 linq4j。Scala 的使用还算简单，但对复杂计算的支持不够好，易学难精是 Scala 的特点，而且 Scala 不支持热部署会对经常修改的计算任务制造不少麻烦。

esProc 的能力则更出众些。esProc SPL 是专业的结构化数据查询语言，有完善的计算类库可以很方便地完成从简单到复杂的计算。不仅可以处理小文本，对大文本（big text）计算支持也非常好。举个例子：

基于学生成绩文本文件students_scores.txt，查询各班语文成绩在90分以上且总成绩排在前5名的学生。

如果文本很大（big text），esProc还支持并行计算，写法也非常简单，只需要将上面的第一行脚本改为：=file("students_scores.txt").cursor@tcm(;8)"即可，其中“cursor”用来创建文件游标，参数“8”代表启动8个线程并行计算。

另外，esProc SPL还支持SQL查询文件：

$select area,department,sum(amount) total fromorders.txtgroup by area,department

对熟悉SQL的程序员非常友好。

esProc用 Java 开发，提供标准 JDBC 接口，可以无缝集成嵌入 Java 应用

在 Java 中调用上面例子的 SPL 脚本，集成代码：

public static void callspl() {

	Connection con = null;

	java.sql.Statement st;

	try {

		Class.forName("com.esproc.jdbc.InternalDriver");

		con = DriverManager.getConnection("jdbc:esproc:local://");

		st = con.createStatement();

		ResultSet rst = st.executeQuery("call students()"); //调用esProc SPL脚本

		System.out.println(rst);

	} catch (Exception e) {

		System.out.println(e);

	} finally {

		// 关闭连接

		if (con != null) {

			try {

				con.close();

			} catch (Exception e) {

				System.out.println(e);

			}

		}

	}

}

此外 SPL 是解释执行的，算法修改只要替换脚本就可以了，不需要重新启动应用。